[发明专利]协作会话语音用户界面的系统和方法

说明书

技术领域

本发明涉及人机语音用户界面的协作性会话模型。

背景技术

技术的进步，特别是在收敛(convergence)空间内，导 致了对语音识别软件的需求的增加，该软件可以以对人类直观的方式 利用该技术。尽管由于共享信息和/或上下文以推进相互的谈话目标， 人类之间的通信常常是“协作性的”，但是，现有的人机界面却不能提 供相同级别的直观的交互。例如，谈话中的每一个人类参与者都可以 为了受益于交换而对交换给出贡献。这是通过关于谈话的各个方面的 共享的假设和预期完成的，如主题、参与者的有关主题的知识，对另 一个参与者的有关主题的知识的预期，对于主题和/或参与者的适当的 措词，基于以前的发声的谈话的发展，参与者的语气或语气变化，从 每一个参与者预期的贡献的质量和数量，以及许多其他因素。参与连 续地形成的并依赖共享的信息的谈话是人类交谈的天然而直观的方 式。

相比之下，复杂的人机界面不允许用户直观地利用技术， 这阻碍了各种技术的大量的采用。利用语音界面，通过使交互更加容 易，更快，有助于减轻此负担，但是，现有的语音界面(当他们实际 工作时)仍需要用户进行很多的学习。即，现有的语音界面不能在古 老的人机界面和谈话语音之间架起桥梁，使得与系统的交互感觉起来 很普通。用户应该能够以普通的谈话方式直接从系统请求他们所需要 的东西，无需记住准确的词语。或者，当用户不能确定特定需求时， 他们应该能够使系统参加有成果的对话，以解决他们的请求。相反， 现有的语音界面迫使用户为了配合简单语言的简单指令集以便以系 统可以理解的方式发出请求而不说出他们的请求。通过使用现有的语 音界面，用户和系统之间的对话几乎没有办法满足相互的目标。

因此，现有的系统缺乏一种谈话语音模型，谈话语音模型 可以给用户提供以对人类固有地直观的方式与系统进行交互的能力。 现有的系统存在这些及其他问题。

发明内容

根据本发明的各个实施例和方面，协作性的谈话语音用 户界面可以理解自由形式的人类发声，把用户从被限制于固定的命令 集和/或请求中解放出来。相反地，用户可以使用天然的、直观的，自 由形式的表达方式，参与与机器的协作性的谈话，以完成请求或一系 列请求。

根据本发明的一个方面，提供了用于实现协作会话语音 用户界面的示范性系统体系结构。系统可以接收输入，输入可以包括 由输入设备接收到的人的发声，发声可以包括一个或多个请求。如这 里所使用的，“发声”可以是字、音节、音素或由人发出的任何其他可 听的声音。如这里所使用的，“请求”可以是设备、计算机或其他机器 检索信息、执行任务或执行某种其他操作的命令、指令或其他指令。 在一种实现方式中，输入可以是多模输入，多模输入的至少一部分是 发声。输入的发声分量可以由自动语音识别器进行处理，以生成发声 的一个或多个初步解释。然后，可以将一个或多个初步解释提供到会 话语音引擎，以便进一步地进行处理，其中，会话语音引擎可以与一 个或多个数据库进行通信，以生成自适应会话响应，响应可以作为输 出返回到用户。在一种实现方式中，输出可以是多模输出。例如，发 声可以包括执行操作的请求，而输出可以包括报告成功或失败的会话 响应，以及操作的执行。